He correlacionado datos y estoy usando un modelo de efectos mixtos de regresión logística para estimar el efecto de nivel individual (condicional) para un predictor de interés. Sé que para los modelos marginales estándar, la inferencia en los parámetros del modelo usando la prueba de Wald es consistente para la razón de probabilidad y las pruebas de puntaje. Suelen ser aproximadamente lo mismo. Debido a que Wald es fácil de calcular y está disponible en salida R, lo uso el 99% del tiempo.
Sin embargo, con un modelo de efectos mixtos, me intrigó ver una gran diferencia entre la prueba de Wald para los efectos fijos, como se informan en la salida del modelo en R, y una prueba de razón de probabilidad "a mano", que implica en realidad se ajusta al modelo reducido. Intuitivamente, puedo ver por qué esto podría hacer una gran diferencia, porque en el modelo reducido, la varianza del efecto aleatorio se vuelve a estimar y puede afectar sustancialmente la probabilidad.
Alguien puede explicar
- ¿Cómo se calculan las estadísticas de prueba de Wald en R para efectos fijos?
- ¿Cuál es la matriz de información para los parámetros estimados del modelo en un modelo de efectos mixtos? (¿y es el mismo mx a partir del cual se calculan las estadísticas de prueba de Wald?)
- ¿Cuáles son las diferencias de interpretación entre los resultados de las dos pruebas en los casos que describí? ¿Cuáles son generalmente motivados y utilizados en la literatura para la inferencia?
fuente
Respuestas:
El estadístico tradicional de Wald para probar la hipótesis H0 Lt = l para L, rxp y l, rx 1 dados, viene dado por W = (Lt - l) '[L (X'H-1 X) -1 L'] -1 (Lt - l) y asintóticamente, esta estadística tiene una distribución de chi-cuadrado en r grados de libertad. Estas son pruebas marginales, de modo que hay un ajuste para todos los demás términos en la parte fija del modelo. R es de código abierto
fuente